需要 Geostatistical Analyst 许可。
地统计（如什么是地统计？专题介绍中所述）是一个方法集，用于估计未进行采样的位置处的值并评估结果估计的不确定性。这类函数在决策过程中显得至关重要，因为实际操作中不可能对感兴趣区的每个位置点都进行采样。
但要特别注意的是，这些方法只是用于构造现实模型（即您感兴趣的现象）的一种手段。至于如何构建能够满足您的特定需要的模型并能够为正确合理制定决策提供必要的信息，则需要由您自己（实践者）决定。要构建良好的模型，很大程度上取决于您对现象的观察理解、采样数据的获取方式和它所表示的内容，以及您希望模型提供的信息。构建模型的一般步骤在地统计工作流中进行了介绍。
插值的方法有很多。有些方法十分灵活，可适用于各种不同类型的采样数据。有些方法则具有较大的局限性，要求数据必须满足特定条件。例如，克里金方法十分灵活，但在克里金系列方法的操作过程中，采样数据必须满足不同程度的条件才能使结果输出有效。Geostatistical Analyst 提供了以下几种插值方法：
- 全局多项式
- 局部多项式
- 反距离权重
- 径向基函数
- 含障碍的扩散插值法
- 含障碍的核插值法
- 普通克里金法
- 简单克里金法
- 泛克里金法
- 指示克里金法
- 概率克里金法
- 析取克里金法
- 高斯地统计模拟
- 面插值
- 经验贝叶斯克里金法
每种方法都有其自己的参数集，从而允许针对特殊数据集和生成的输出的要求对其进行自定义。为了对选择使用的方法提供一些指导，已根据不同的条件对这些方法进行了分类，如 Geostatistical Analyst 中提供的插值方法分类树中所示。明确定义了插值模型的开发目的且充分检查了采样数据之后，这些分类树就可引导您选择适当的方法。
有关此主题的反馈?